REVUE DE STATISTIQUE APPLIQUÉE
|
|
- Jean-François Carignan
- il y a 8 ans
- Total affichages :
Transcription
1 REVUE DE STATISTIQUE APPLIQUÉE DARIUSH GHORBANZADEH Un test de détection de rupture de la moyenne dans un modèle gaussien Revue de statistique appliquée, tome 43, n o 2 (1995), p < 43_2_67_0> Société française de statistique, 1995, tous droits réservés. L accès aux archives de la revue «Revue de statistique appliquée» ( implique l accord avec les conditions générales d utilisation ( Toute utilisation commerciale ou impression systématique est constitutive d une infraction pénale. Toute copie ou impression de ce fichier doit contenir la présente mention de copyright. Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
2 Rev. Statistique Appliquée, 1995, XLIII (2), 67 UN TEST DE DÉTECTION DE RUPTURE DE LA MOYENNE DANS UN MODÈLE GAUSSIEN Dariush. Ghorbanzadeh Institut d Informatique d Entreprise (CNAM) 18, Allée Jean Rostand EVRY cedex RÉSUMÉ Nous considérons une suite de variables aléatoires X1, X2,..., Xn qui sont susceptibles de changer de loi après les k premières observations. L objet de ce travail est de détecter l éventuel changement de loi; pour cela nous étudions le comportement d un test basé sur la statistique Log-Vraisemblance. Nous montrons que, quand le nombre d observations devient grand, la loi de la statistique Log-Vraisemblance se comporte comme celle d une fonction carré du pont Brownien; ceci permet l évaluation asymptotique du niveau du test étudié. Nous proposons une application pratique à des données concernant 450 patients HIVpositifs pour lesquels nous disposons de relevés de huit variables biologiques : Globules Blancs, Lymphocytes, Lymphocytes T4 et T8, 03B22-Microglobulines, Immunoglobulines G, M et A effectués à des temps différents, pour détecter une aggravation biologique de leur état. Mots-clés : Rupture, Pont Brownien, Analyse Discriminante. SUMMARY We Consider a sequence X1,X2,...,Xn of random variables which are suceptible of changing their distribution after k first observations. The object of this work is to detect the possible change of distribution; for that we study the performance of a test based on the statistic of Log-Likelihood. It shows that when the number of observations becomes large, the distribution of the the statistic Log-Likelihood behaves like that of a square function of the Brownian bridge; this allows the asymptotic level of the test studied. We propose a practical application to data concerning 450 VIH patients for whom we have available plottings of eight biological variables : White Globules, Lymphocytes, Lymphocytes CD4 and CD8, /32- Microglobulines, Immunoglobulines G, M and A carried out at different times in order to detect a biological worsening of their state. Keywords : Change point, Brownian Bridge, Discriminant Analysis.
3 68 D. GHORBANZADEH 1. Introduction et Modèle Soit Xi, X2,..., Xn une suite de variables aléatoires (v.a.); dans ce travail nous nous proposons d étudier le problème de test suivant : où pour i = 1, 2,..., n les êi sont indépendantes et de loi N(0, 03C32). Contre avec : où les êi sont indépendantes et de loi.a/"(0, u2). Les paramètres 03B80,03B81, 03B82 et cr étant inconnus. Dans la littérature le problème de détection de rupture pour la loi Normale; de nombreuses statistiques de test basées sur la moyenne initiale ont été proposées : Chemoff & Zacks (1964), Gardner (1969) et Sen & Srivastava (1975). Hawkins (1977), Cobb (1978) et Worsley (1983, 1986) ont étudié le comportement des tests du type maximum de vraisemblance. Darkhovskh (1976), Bhattacharya & Fierson (1981), Csôrgô & Horvàth (1988) et Ferger & Stute (1992) ont proposé des méthodes non paramétriques basées sur les rangs et la fonction de répartition empirique. Bien d autres auteurs comme Deshayes & Picard (1986) ont utilisé des méthodes asymptotiques pour déterminer la loi de la statistique de test, laquelle correspond à certains processus associés au mouvement Brownien. Dans cet article un test de détection de rupture de la moyenne d une variable gaussienne est proposé. Ce test est basé sur la statistique Log-vraisemblance maximale. Nous montrons que lorsque le nombre d observations devient grand, la loi asymptotique de cette statistique Log-vraisemblance se comporte comme celle d une fonction carré du pont Brownien; ceci permet l évaluation asymptotique du niveau du test étudié. Nous proposons une application pratique à des données concernant 450 patients HIV-positifs pour lesquels nous disposons de relevés de huit variables biologiques : Globules Blancs, Lymphocytes, Lymphocytes T4 et T8, /32- Microglobulines, Immunoglobulines G, M et A effectués à des temps différents, pour détecter une aggravation biologique de leur état. a été souvent étudié 2. Test du rapport de vraisemblance La statistique Log-vraisemblance est définie par :
4 UN TEST DE DÉTECTION DE RUPTURE DE LA MOYENNE 69 avec a5 et 21(k) désignent les estimateurs du maximum de vraisemblance de a2 sous les hypothèses Ho et Hl (03B81,k n,03b82), obtenus de la façon suivante : Les estimateurs 0, 1 (k) et 2 (k) sont donnés par La valeur (1 n ) de k A*n (k n) est réalisant le maximum de l estimateur du maximum de vraisemblance de k sous l hypothèse alternative H(n)1 et cette valeur qui maximise la vraisemblance sous cette hypothèse, minimise 21(k). ~ Pour l étude du comportement asymptotique de An, sous l hypothèse Ho, faisons quelques remarques préliminaires. 1) Il est facile de vérifier que : De (3) on déduit 2) Pour tout s u n, on a :
5 70 D. GHORBANZADEH 3) Pour t E [0, l], soit V (t) un pont Brownien; c est-à-dire un mouvement Brownien sur [0; 1] conditionné par V(O) = V(l) = 0, on sait alors (cf. Billinsley [2]) que pour ti E [0,1] et t2 E [0; 1] : COV(V(tl), V(t2)) = min (tl, t2) - t1t2. Alors pour tout 0 t1 t2 1, on a : Définition : On définit {A*n(t); t ~]0, 1[} comme le processus interpolé linéaire du processus 039B*n(k n) ; 1 k n}. Théorème Sous l hypothèse Ho, 039B*n converge au sens de la convergence en loi des marginales de dimension finie vers le processus Ao défini par : où V est un pont Brownien. Preuve : Le développement de Taylor de (2) donne notant on remarque que, sous l hypothèse Ho, pour tout s t, on a, compte tenu de (5) : D où De (6) et (8) on déduit la convergence de An vers Ao. ~ L un des problèmes cruciaux de détection de rupture, est posé par les effets des bords (les ruptures intervenant aux bords de l intervalle d observations). En effet, pour les t proches de 0 ou 1, Ao tend vers l infini. Pour pénaliser ces effets de bords, nous adoptons la méthode proposée par Deshayes et Picard [7], en considérant la suite de
6 UN TEST DE DÉTECTION DE RUPTURE DE LA MOYENNE 71 processus F,, (t) = 03A8(t)03A8(1 - t)039b*n(t), où 03A8 est une fonction continue sur [0, 1] vérifiant Posons r(t) = 03A8(t)03A8(1 - t)ao(t), c est un processus continu pour t E [0,1]; en considérant les moments d ordre 4 de {0393n(t), t ~]0, 1[} on montre facilement que {0393n(t), t e]0, 1[} converge en loi vers {0393(t), t ~]0, 1[} lorsqu on munit l espace C([0, 1]) des fonctions continues sur [0,1] de la topologie de la convergence uniforme (Voir (7) ). En utilisant la continuité de la fonction «sup», (cf. Billinsley [2]), sur l espace C([0, 1]), on a alors la proposition suivante. Proposition : Sous l hypothèse Ho, pour tout ~ 0, on a : Construction du test Pour la construction du test, nous prenons comme région de rejet où pour un a donné dans [0, 1 ], le seuil ~03B1 est déterminé par : Le tableau suivant présente la répartition de la loi de sup Ir (t) pour les fonctions t~]0,1[ Pour a donné, on lit ~03B1 tel que
7 72 D. GHORBANZADEH Ces résultats sont obtenus par simulation de 1000 réalisations de la loi asymptotique précédente en découpant l intervalle du temps [0, 1] par pas de 0, Application Dans cette partie, nous proposons une application du test étudié précédemment à des données concernent les patients HIV-positifs du service de Professeur Willy ROZENBAUM (Hôpital Rotschild, Paris). Les données concernent 450 patients qui ont tous plusieurs relevés de 8 variables biologiques à des temps de suivis différents : Globules Blancs (GB), Lymphocytes (LY), Lymphocytes T4 (T4), Lymphocytes T8 (T8), /32-Microglobulines (/32), Immunoglobulines G (IGG), Immunoglobulines M (IGM), et Immunoglobulines A (IGA). Le but est d établir un critère permettant de prévoir une aggravation de l état de santé, qui soit une fonction des relevés de variables biologiques et dont l évolution montrerait une rupture lors de l aggravation ou mieux précéderait cette aggravation. Nous allons d abord faire un travail préliminaire pour extraire des données une variable unidimensionnelle sur l évolution clinique de la maladie et que l on utilisera ensuite pour construire un test de détection de rupture. A cette fin, nous utiliserons le nombre de Lymphocytes T4 comme variable prédictive. En effet, le nombre de T4 décroît au fur et à mesure de l évolution de la maladie. Analyse Discriminante Les coordonnées des 8 variables pour les 450 patients sont classées en deux groupes selon le relevé du nombre T4 sur le patient à la date de l examen groupe 1 : T groupe 2 : T4 200 L analyse discriminante est faite par rapport aux deux groupes. Le tableau suivant résume la description de l axe canonique : Les résultats ci-dessus montrent qu il y a une opposition sur l axe canonique entre les variables LY et T8; on retrouve ainsi les résultats connus dans la littérature.
8 UN TEST DE DÉTECTION DE RUPTURE DE LA MOYENNE 73 Il est intéressant de remarquer que les variables IGG, IGM et IGA sortent avec des coefficients négatifs. Pour un patient observé à plusieurs temps successifs, on construit la combinaison linéaire des variables pondérées par les coefficients de l axe canonique. La variable que l on utilise pour établir le test de détection de rupture est donnée par : 4. Résultats Dans notre fichier, nous avons sélectionné 251 patients qui ont au moins 6 temps de suivi. Il y a 222 patients qui ont changé de groupe et 29 patients qui n ont pas changé de groupe. Parmi les 222 patients qui ont changé de groupe il y a en a 96 pour lesquels nous possédons une date de passage au Sida avéré. Nous remarquons que pour les 29 patients qui n ont pas changé de groupe nous ne possédons pas de date de passage au Sida avéré Les proportions de bonnes et de mauvaises détections Nous avons appliqué le test à la variable construite à partir des coefficients de l axe canonique, le tableau suivant donne les proportions de bonnes et de mauvaises détections pour un niveau égal à 5% et les fonctions de pénalisation [ ]* : intervalle de confiance à 5% pour les proportions
9 74 D. GHORBANZADEH L examen de tableau montre que dans le meilleur des cas, la puissance du test est comprise entre 48% et 61 % et que les meilleures proportions de bonnes détections sont obtenues pour la fonction de pénalisation 03A8(t) = t3/2. Pour les proportions de mauvaises détections, nous remarquons que les résultats sont établis sur un assez petit nombre de patients mais ils montrent quand même que les résultats les plus satisfaisants sont obtenus pour la fonction de pénalisation W (t) = t5/ Étude de l estimateur de l instant de rupture Dans cette partie, nous proposons une étude sur la valeur prédictive de l estimateur de l instant de rupture. Pour cela, nous étudions le nombre de fois (parmi les 96 patients pour lesquels nous possédons une date de Sida avéré) où l instant de rupture estimé se situe avant la date de Sida avéré et dans ce cas, en étudiant plus précisément de combien de temps en moyenne cette date est devancée. Cette étude n a été faite que dans le cas où le test concluait significativement à l existence d une rupture afin de se placer dans un cadre le plus réel possible. Il est clair que l étude de la position de l estimateur va nous permettre de discuter de la validité de la combinaison linéaire obtenue lors de l analyse discriminante. Le tableau suivant présente les résultats sur l estimation k de l instant de rupture k en fonction de = la fonction de pénalisation 03A8(t) tp ; sur le tableau, il est précisé : (1) le nombre d estimations qui résultaient d un test significatif, pour 5% parmi les 96 patients pour lesquels nous possédons (2) parmi (1), la différence moyenne entre k et k (k - k) un niveau une date de Sida avéré (3) le nombre et la proportion d estimations k où l estimation est prédictive ( k) (4) parmi (3), la différence moyenne k - Z (5) parmi (3), l écart-type empirique de k -
10 UN TEST DE DÉTECTION DE RUPTURE DE LA MOYENNE 75 L examen de tableau montre que plus de 70% des estimations sont prédictives, ce qui est satisfaisant, mais on en oublie entre = 30% et = 52%. On peut néanmoins noter l importance de la dispersion des k - k (pour k k), ce qui limite un peu l intérêt des résultats précédents. Pour la concordance entre les différentes fonctions de pénalisation, nous proposons le tableau suivant où il est précisé : (1) nombre d estimations parmi les 96 patients où le test est significatif simultanément pour les quatre fonctions de pénalisation (2) parmi (1), proportion d estimations qui donnent la même valeur k pour les quatre fonctions de pénalisation (3) nombre d estimations k où k pour les quatre fonctions de pénalisation (4) parmi (3), proportion d estimations qui donnent la même valeur pour les quatre fonctions de pénalisation L examen du tableau montre que le nombre d estimations simultanément significatives est assez important. De plus, il est satisfaisant de constater que 89% des estimations donnent la même valeur de l instant de rupture pour les quatre fonction de pénalisation. Remerciements Je tiens à remercier Monsieur le professeur Bernard BRU (Université PARIS V) pour ses précieux conseils et son aide, ainsi que les référés pour leurs remarques très judicieuses qui m ont permis d améliorer la rédaction. Références [1] BHATTACHARYA, P.K. and FRIERSON, F.JR. (1981). A nonparametric control chart for detecting small disorders. Ann. Statist. 9 p [2] BILLINGSLEY, P. (1968). Convergence of Probability Measures. Wiley, New York. [3] CHERNOFF, H. and ZACKS, S. (1964). Estimating the current mean of a normal distribution which is subjected to change in time. Ann.Math.Statist. 35 p [4] COBB, G.W. (1978). The problem of the Nile : Conditional solution to a change point problem. Biometrika. 65(2) p
11 76 D. GHORBANZADEH [5] CSÖRGÖ, M. and HORVÀTH. (1988). Noparametric Methods for changepoint problems. Handbook of statistic. Vol. 7 p [6] DARKHOVSKH, B.S. (1976). A non-parametric method for the a posteriori detection of the «disorder» time of a sequence of independent random variables. Theory Probab. Appel 21 p [7] DESHAYES, J. AND PICARD, D. (1986). Off line statistical analysis of change-point models using non parametric and likelihood methods. Lecture Notes in Control and Information Sciences. N 77 Springer-Verlag, Berlin. p [8] FERGER, D. and STUTE, W. (1992). Convergence of changepoint estimators. Stochastic Processes and their Applications. North-Holland. 42 p [9] GARDNER, L.A. JR. (1969). On detecting changes in the mean of normal variates. Ann.Math.Statist. 40 p [10] GHORBANZADEH, D. (1993). An Application of Likelihood Ratio Test to the Change point problem. Soumis à Applied Stochastic Model and Data Analysis. [11] GHORBANZADEH, D. (1992). Détection de Rupture dans les modèles Statistiques. Thèses de doctorat de l Université PARIS VII. [12] GHORBANZADEH, D. et PICARD, D. (1992). Etude Asymptotique et Pratique du comportement de deux tests de détection de rupture. Statistique et Analyse des Données. Vol. 16 p [13] HAWKINS, D.M. (1977). Testing a sequence of observations for a shift in location. J.Amer.Statist.Assoc. 72 p [14] SAPORTA, G. (1990). Probabilités, Analyse des Données et Statistique. Technip, Paris. [15] SEN, A. and SRIVASTAVA, M.S. (1975). On tests for detecting change in mean. Ann.Statist. 3 p [16] WORSLEY, K.J. (1983). The power of likelihood ratios and cumulative sum tests for a change in binomial probability. Biometrika. 70 p [17] WORSLEY, K.J. (1986). Confidence regions and tests for a change-point in a sequence of exponential family random variables. Biometrika. 73 p
Principe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailModélisation géostatistique des débits le long des cours d eau.
Modélisation géostatistique des débits le long des cours d eau. C. Bernard-Michel (actuellement à ) & C. de Fouquet MISTIS, INRIA Rhône-Alpes. 655 avenue de l Europe, 38334 SAINT ISMIER Cedex. Ecole des
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailAICp. Vincent Vandewalle. To cite this version: HAL Id: inria-00386678 https://hal.inria.fr/inria-00386678
Sélection prédictive d un modèle génératif par le critère AICp Vincent Vandewalle To cite this version: Vincent Vandewalle. Sélection prédictive d un modèle génératif par le critère AICp. 41èmes Journées
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailEtude d un cas industriel : Optimisation de la modélisation de paramètre de production
Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailExemple PLS avec SAS
Exemple PLS avec SAS This example, from Umetrics (1995), demonstrates different ways to examine a PLS model. The data come from the field of drug discovery. New drugs are developed from chemicals that
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailApproche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH
Approche par groupe de gènes pour les données longitudinales d expression génique avec une application dans un essai vaccinal contre le VIH Boris Hejblum 1,2,3 & Rodolphe Thiébaut 1,2,3 1 Inserm, U897
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailKeywords: Probability of catastrophic events, Bivariate extreme value theory, Heavy tailed distributions, ALS methods.
E Laurence Lescourret & Christian Y. Robert Centre de Recherche en Economie et Statistique LaboratoiredeFinanceetd Assurance 5 Boulevard Gabriel Peri, 92245 Malakoff Résumé: De par leur nature, les événements
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détail0 h(s)ds et h [t = 1 [t, [ h, t IR +. Φ L 2 (IR + ) Φ sur U par
Probabilités) Calculus on Fock space and a non-adapted quantum Itô formula Nicolas Privault Abstract - The aim of this note is to introduce a calculus on Fock space with its probabilistic interpretations,
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailPrincipe d un test statistique
Biostatistiques Principe d un test statistique Professeur Jean-Luc BOSSON PCEM2 - Année universitaire 2012/2013 Faculté de Médecine de Grenoble (UJF) - Tous droits réservés. Objectifs pédagogiques Comprendre
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailDétection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique
Détection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique Denis Brazey & Bruno Portier 2 Société Prynɛl, RD974 290 Corpeau, France denis.brazey@insa-rouen.fr 2 Normandie Université,
Plus en détailTests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision
Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous
Plus en détailREMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION
REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION THÈSE N O 2388 (2001) PRÉSENTÉE AU DÉPARTEMENT D'INFORMATIQUE ÉCOLE POLYTECHNIQUE FÉDÉRALE
Plus en détail1.The pronouns me, te, nous, and vous are object pronouns.
1.The pronouns me, te, nous, and vous are object pronouns.! Marie t invite au théâtre?!! Oui, elle m invite au théâtre.! Elle te parle au téléphone?!! Oui, elle me parle au téléphone.! Le prof vous regarde?!!!
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détailTRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN
TRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN Marie Cottrell, Smaïl Ibbou, Patrick Letrémy SAMOS-MATISSE UMR 8595 90, rue de Tolbiac 75634 Paris Cedex 13 Résumé : Nous montrons
Plus en détailData issues in species monitoring: where are the traps?
Data issues in species monitoring: where are the traps? French breeding bird monitoring : Animations locales : - dealing with heterogenous data - working with multi-species multi-sites monitoring schemes
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailCONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»
CONFERENCE PALISADE Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design» 1 SIGMA PLUS Logiciels, Formations et Etudes Statistiques
Plus en détailONTARIO Court File Number. Form 17E: Trial Management Conference Brief. Date of trial management conference. Name of party filing this brief
ONTARIO Court File Number at (Name of court) Court office address Form 17E: Trial Management Conference Brief Name of party filing this brief Date of trial management conference Applicant(s) Full legal
Plus en détailChristian BONTEMPS né le 08 juillet 1969
Curriculum Vitae Christian BONTEMPS né le 08 juillet 1969 Situation actuelle : Ingénieur en Chef des Ponts et Chaussées, Chercheur IDEI Professeur Sciences Économiques, GREMAQ - Université Toulouse I.
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailStéphane Lefebvre. CAE s Chief Financial Officer. CAE announces Government of Canada participation in Project Innovate.
Stéphane Lefebvre CAE s Chief Financial Officer CAE announces Government of Canada participation in Project Innovate Montreal, Canada, February 27, 2014 Monsieur le ministre Lebel, Mesdames et messieurs,
Plus en détailChapitre 3 : INFERENCE
Chapitre 3 : INFERENCE 3.1 L ÉCHANTILLONNAGE 3.1.1 Introduction 3.1.2 L échantillonnage aléatoire 3.1.3 Estimation ponctuelle 3.1.4 Distributions d échantillonnage 3.1.5 Intervalles de probabilité L échantillonnage
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailTABLE DES MATIERES. C Exercices complémentaires 42
TABLE DES MATIERES Chapitre I : Echantillonnage A - Rappels de cours 1. Lois de probabilités de base rencontrées en statistique 1 1.1 Définitions et caractérisations 1 1.2 Les propriétés de convergence
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailOnce the installation is complete, you can delete the temporary Zip files..
Sommaire Installation... 2 After the download... 2 From a CD... 2 Access codes... 2 DirectX Compatibility... 2 Using the program... 2 Structure... 4 Lier une structure à une autre... 4 Personnaliser une
Plus en détailRésumé des communications des Intervenants
Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit
Plus en détailTests exacts d indépendance sérielle dans les cas de distributions continues et discrètes
Tests exacts d indépendance sérielle dans les cas de distributions continues et discrètes Jean-Marie Dufour Université de Montréal Abdeljelil Farhat Université de Montréal First version: August 2001 This
Plus en détailphysicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
Plus en détailMaster IMEA 1 Calcul Stochastique et Finance Feuille de T.D. n o 1
Master IMEA Calcul Stochastique et Finance Feuille de T.D. n o Corrigé exercices8et9 8. On considère un modèle Cox-Ross-Rubinstein de marché (B,S) à trois étapes. On suppose que S = C et que les facteurs
Plus en détailChapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détailValidation probabiliste d un Système de Prévision d Ensemble
Validation probabiliste d un Système de Prévision d Ensemble Guillem Candille, janvier 2006 Système de Prévision d Ensemble (EPS) (ECMWF Newsletter 90, 2001) Plan 1 Critères de validation probabiliste
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailCNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité
1 CNAM 2002-2003 2léments de cours Bonus-malus et Crédibilité Une situation fréquente en pratique est de disposer non pas d un résultat mais de plusieurs. Le cas se présente en assurance, par exemple :
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailPrédiction et Big data
Prédiction et Big data Mitra Fouladirad Institut Charles Delaunay - UMR CNRS 6281 Université de Technologie de Troyes 29 avril 2015 1 1 Sujet Motivation Le pronostic ou la prédiction du comportement futur
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailDéfinition et diffusion de signatures sémantiques dans les systèmes pair-à-pair
Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair Raja Chiky, Bruno Defude, Georges Hébrail GET-ENST Paris Laboratoire LTCI - UMR 5141 CNRS Département Informatique et Réseaux
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailOrdonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative
Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative Y. Houbad, M. Souier, A. Hassam, Z.Sari Laboratoire d automatique Tlemcen Faculté de technologie, Université Abou
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailApplication des courbes ROC à l analyse des facteurs pronostiques binaires
Application des courbes ROC à l analyse des facteurs pronostiques binaires Combescure C (1), Perneger TV (1), Weber DC (2), Daurès J P (3), Foucher Y (4) (1) Service d épidémiologie clinique et Centre
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailAu-delà du coalescent : quels modèles pour expliquer la di
Au-delà du coalescent : quels modèles pour expliquer la diversité génétique? LPMA, Université Paris 6, CMAP Polytechnique 13 octobre 2009 A partir de travaux conjoints avec N. Berestycki, V. Limic, J.
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailAnnales du Contrôle National de Qualité des Analyses de Biologie Médicale
Annales du Contrôle National de Qualité des Analyses de Biologie Médicale Plombémie Plombémie 07PLO1 ; 07PLO2 ; 07PLO3 et 07PLO4 2007 Edition : décembre 2008 Afssaps -143/147, Bd Anatole France F-93285
Plus en détailPLAN DE COURS CEGEP DU VIEUX-MONTRÉAL
PLAN DE COURS CONTRÔLE DE LA QUALITÉ 241-B60-VM TECHNIQUE DE GÉNIE MÉCANIQUE 241-06 PONDÉRATION : 2-1-1 Compétence : 012Z Contrôler la qualité d un produit DÉPARTEMENT DE LA MÉCANIQUE CEGEP DU VIEUX-MONTRÉAL
Plus en détailScénarios économiques en assurance
Motivation et plan du cours Galea & Associés ISFA - Université Lyon 1 ptherond@galea-associes.eu pierre@therond.fr 18 octobre 2013 Motivation Les nouveaux référentiels prudentiel et d'information nancière
Plus en détailÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE
ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE ANALYSIS OF THE EFFICIENCY OF GEOGRIDS TO PREVENT A LOCAL COLLAPSE OF A ROAD Céline BOURDEAU et Daniel BILLAUX Itasca
Plus en détailCaroline Hurault-Delarue 1, Cécile Chouquet 2, Nicolas Savy 2, Isabelle Lacroix 1, Christine Damase- Michel 1
Trajectoires individuelles d'exposition aux psychotropes au cours de la grossesse et partitionnement en fonction du profil d'exposition : utilisation des K-means pour données longitudinales Caroline Hurault-Delarue
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailICA Congress, Brisbane 2012 Thème général : Les temps qui changent. La confiance et les archives*
ICA Congress, Brisbane 2012 Thème général : Les temps qui changent. La confiance et les archives* Titre : Un résumé de la pratique archivistique internationale adaptée au niveau local : manuel pratique
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailChapitre 1. L intérêt. 2. Concept d intérêt. 1. Mise en situation. Au terme de ce chapitre, vous serez en mesure de :
Chapitre 1 L intérêt Au terme de ce chapitre, vous serez en mesure de : 1. Comprendre la notion générale d intérêt. 2. Distinguer la capitalisation à intérêt simple et à intérêt composé. 3. Calculer la
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailUNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1
33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est
Plus en détail